基于边缘计算的机器视觉 第1部分：应用场景和业务需求

YD/Txxxx-xxxx本文件主要规定了基于边缘计算的机器视觉的典型应用场景与业务需求，包括机器视觉典型应用场景梳理、各类业务对于技术能力的要求、规范性描述等。本文件适用于基于边缘计算的机器视觉的应用场景和业务需求梳理，明确了不同场景下各类业务对于网络、计算、存储等方面的需求，为行业市场发展提供参考。2规范性引用文件下列术语和定义适用于本文件。满足工业智能化发展需求，是用于自动检验、工件加工和装配自动化以及生产过程的控制和监视使用机器替代人眼实现检测，测量，识别。边缘计算edgecomputing在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提4缩略语下列缩略语适用于本文件。AGV:自动导引运输车(AutomatedGuidedVehicle)AI;人工智能(ArtificialIntelligence)CT:计算机体层摄影(ComputerTonography)GigE:干兆以太网(GigabitEthernet)2YD/Txxxx-xxxx5典型应用场景分类5.1典型应用场景概述边缘计算是一种将主要处理和数据存储放在网络的边缘节点的分布式计算形式。随着各行业数字化、智能化的持续发展，各行业纷纷意识到边缘计算在提高机器视觉应用的用户实时性体验，提供差异性服务以及分担云计算负荷等多个方面具备先天优势。本文件提到的边缘计算是指可与云端协同的边缘计算场景，本文件定义的基于边缘计算的机器视觉，其最大特点就是可以与云端协同，从而提高机器视觉的灵活性，能够使整体计算效能达到最大化，且部署更加方便。基于边缘计算的机器视觉，与普通机器视觉主要有几个差异点a)云侧与边缘机器视觉设备可进行算法、应用、资源等多方面的协同，边缘机器视觉设备与算法及应用松耦合，可按需实现多场景应用，可定制性较高；b)通过边云协同训练可实现机器视觉算法模型准确度迭代提高，边缘侧支持自动部署执行，随着技术的进步，机器视觉应用可更替、可演进；c)基于边缘计算的机器视觉应用可脱离云平台自主运行，即发生现场设备与视觉云平台断网情况后不影响其视觉业务，网络恢复后该节点状态、缓存数据可自动上传到云中心，并接受云中心的管理调度。机器视觉在边缘侧的典型场景如图1所示。机器视觉在边缘侧的部署已经被广泛应用到多个行业场景，本文件选取工业、交通、安防、医疗典型应用场景，以业务为核心，分行业梳理场景及对应的业务工业领域交通领域仪参与者识别与其仙安防领域*出入口控制医疗领域图1机器视觉在边缘侧的典型场景概览5.2工业领域本文件工业视觉主要聚焦于工业生产领域，其应用可分为提高工业生产效率及保障工业生产安全两大类。提高工业生产效率主要聚焦于装配定位、产品质量检测、产品识别、产品尺寸测量等方面：保障YD/Txxxx-xxxx工业生产安全主要是对人员、环境、设备的监测，人员、环境的监控更多的与安防相关，因此工业视觉在工业安全生产方向主要聚焦于机器设备生产过程的监视及控制。本文件交通领域主要实现路口机动车、非机动车、人等全量数据采集分析及存储，支持将元数据(车牌、车辆属性、是否违法等)汇聚到微边缘设备进行业务指标汇聚分析，并最终经过多个边缘设备分析后汇聚到智慧交通治理中心平台。场景上主要聚焦在交通参与者识别与定位、静态道路环境识别、驾驶行为分析、辅助驾驶、交通管控等方面。安防即安全防护，做好准备和保护以应付攻击或者避免受害，从而使被保护对象处于没有危险、不受侵害、不出现事故的安全状态。现阶段，实时高清视频监控是机器视觉在安防领域的重要实现手段。本文件中基于边缘计算的智能视频监控可分为损失性预防、破坏性预防两大类。损失性预防主要聚焦在自然属性或准自然属性的安全破坏，主要是没有人为目的参与而造成的，例如意外起火。破坏性预防主要聚焦在社会人文性破坏。主要是由于人的有目的参与而造成的，例如人为犯罪纵火。5.5医疗领域机器视觉在医疗领域的应用已经从传统的药品包装、药瓶、标签等视觉检测到目前对生物芯片的检测，放射科的X放射等，通过引入机器视觉系统，完成对图像信息的采集、存储、管理、处理及传输等功能。典型场景；医学影像分析医学影像可作为一种医疗辅助手段用于诊断和治疗，诊断主要包括透视、放射线片、CT(计算机体层摄影ComputerTomography)、MRI(核磁共振成像MagneticResonanceImaging)、超声、数字减影、血6工业领域生产效率型机器视觉应用场景和业务需求6.1产品识别与检测产品识别与检测是工业视觉应用最广的场景之一，用来识别、检测产品及产品标签的各种特征信息与缺陷。典型场景如下：a)产品缺陷识别在现代工业自动化生产中，连续大批量生产中每个制程都有一定的次品率，单独看虽然比率很小，但相乘后却成为企业提高良品率的瓶颈。同时，经过完整制程后再剔除次品成本会高很多，因此及时检测及次品别除对质量控制和成本控制非常重要。利用传感器(如工业相机、X光等)可将工业产品内外部的瑕疵、缺陷、尺寸等外观进行成像，通过机器学习技术可对这些产品图片进行检测识别，确定瑕疵的种类、位置，甚至对这些不良产生的原因进行分析。这些广泛应用于机械加工的自动化检测、制药行业的药丸检测、电子元器件等的生产检测、轴承检测、表面检测、产品正反检测等众多领域。图像外检技术还可以运用到一些危险环境和人工视觉难以满足要求的场合；b)字符读取识别：如OCR(光学字符识别OpticalCharacterRecognition)/0CV(光学字符验证OpticalCharacterVerification),及条码的读取，如DPM(标签与元件标记DirectPartMark)等。通过工业相机、工业镜头拍摄文字图像，运用机器视觉软件进行相应处理以获取信息，广泛应用于检测条码字符印刷缺陷及完整度、检测条码/字符的对错及是否漏印、检测物体的方4YD/Txxxx-xxxx向是否正确，静态或动态检测并输出相应控制信号。6.1.2业务需求产品识别与检测的业务需求包括：a)相机/计算智能自定义。一是相机宜支持智能化定义，即可按需定义运行识别程序，并支持应用进行云边协同更新。二是相机可对接边缘计算模块，该模块可按需完成识别处理功能，同样需支持算法在线优化更新。相机应支持GigE(千兆以太网GIGabitEthernet)、USB(通用串行总线UniversalSerialBus)等一种或多种数据传输接口。这两种均需支持与数据执行系统对b)工业相机宜支持有线/无线数据传输，可按不同场景所需测量精度来确定图像大小、质量，以及相机与边缘计算处理单元的对接方式。如一些高精度的测量，时延要求苛刻且不能有图像质量损失需支持有线直连到边缘计算模块进行高速处理：c)云端需支持产品识别检测算法的AI训练并生成识别模型，该类模型支持在云端或边缘侧运行对工业相机拍摄的具有复杂纹理及背景干扰的产品图像进行多角度精确检测，并按需实时反馈结果，宜支持云边协同实现图像数据模型高效快速迭代闭环，不断提升检测模型的准确率。6.2装配定位/引导定位/引导是使用工业视觉确定目标的位置和方向。工业视觉系统可以定位目标的位置和方向，并可将目标与规定的公差进行比较，确认目标处于正确的位置，并验证目标装配、抓取、放置等动作是否正确，典型场景如下：a)机械手精准校正：实现视觉系统与机械手位置系统的统一及稳定运用，配备高精度校正功能，借助自动校正功能节省时间并提高精度，实现无需依赖主观感觉的稳定校正，广泛应用于码垛、堆叠对位等场景：b)运料机器人：通过将工业视觉系统与机器人结合，基于实时监测的数据反馈，实现机器人的导航、导引、路径选择、车辆驱动、装卸操作等，完成入库、存储、拣选、搬运、上料、下料等一系列自动化运作。减少物流流程周期、减少物流消耗、减少人工成本、提高搬运系统效率提升企业仓储体系的智能化：c)AGV(自动导引运输车AutoantedGuidedVehicle)视觉导航目前的AGV视觉导航主要采用磁导、二维码、激光等方式，磁导和二维码需要预先布置场景，灵活性较差，激光导航灵活性较强，但成本较高。直接采用视觉计算导航，灵活性高，成本可低于激光，但技术难度加高，数据计算量大：d)生产车间组装机器人在机器视觉技术的作用下可以精确地按照视觉技术使机械手臂拥有3D视觉能力，靠视觉导引、定位，成为夹取物件的要件。除了视觉定位，手眼力协调机器人的关键技术还有矩阵的感测器，可以协助机器人知道抓取的位置与力量大小e)电子焊接制造在焊线技术中，因为芯片维度的缩小，高质量的成像镜头系统及高可靠、高精准度的视觉定位算法可帮助解决芯片焊接过程中的诸多问题。6.2.2业务需求装配定位/引导的业务需求包括：a)边缘图像处理。相机/摄像头通过GigE、USB等高速数据接口或5G、WIFI等高速网络与边缘计5YD/Txxxx-xxxx算单元对接。边缘计算单元按照业务需求完成图像预处理及识别，并输出结果到执行系统：b)云边协同图像处理。对于计算量较高的工业视觉应用，在满足时延要求的基础上，工业视觉系统应支持本地与云端协同对图像运算处理，比如AGV视觉导航等应用。工业视觉系统应能按需返回计算结果到执行系统，边缘侧可按需对图像进行压缩或其他处理后上传信息到云端，帮助算法在线优化更新。6.3生产效率型工业视觉应用共性需求生产效率型工业视觉应用共性需求包括：a)边缘计算单元部署：用于机器视觉处理的边缘计算单元可部署于产线与相机通过有线/无线连接，也可以部署于更高的位置比如车间机架、工厂机房，与相机通过无线进行连接，按照工厂、产线对机器视觉处理时延要求来确定位置及部署方式。b)时延要求：提高生产效率型的工业视觉应用，对图像处理及传输反馈的时延都有一定的要求需根据各个业务应用特点及该产线业务流程整体时序要求，来确定机器视觉业务时延：c)管理要求相机、摄像头及边缘计算模块应支持远程管理，终端算法应能够远程部署，建议支持与云端协同；d)网络要求工厂整体向着柔性化的方向发展，工业视觉系统宜尽量减少布线，使用大容量高带宽的无线系统来承载，对带宽的要求主要是上行。工业视觉对网络传输有极高的可靠性要求，与场景及图像质量要求相关；e)系统对接要求：工业视觉系统需要能够与工厂生产系统灵活对接，比如与MES(工厂制造执行系统ManufacturingExecutionSystem)系统对接，并根据系统要求自动调用相应算法进行视觉处理；f)设备要求：相机、边缘计算模块、通信模块等设备需要能够在可能的高温、高湿、粉尘、噪音等复杂的工业生产环境中稳定运行。7工业领域安全生产型机器视觉应用场景和业务需求7.1仪表盘分析7.1.1场景描述厂区里很多老的设备没有报警回传功能，对于远程监测现场故障多有不利。利用摄像头实时监测各种仪表盘指针读数，确定各项指标是否合格，如：液化气罐异常指示器报警、厂区粉尘浓度监测等，能够有效的及时发现异常情况，防止安全事故的发生7.1.2业务需求利用智能摄像机和边缘计算模块即可完成仪表盘检测，需要不受室内外光线影响，按需准确识别仪表读数、指示灯情况，并与预定义的阈值比较，输出结果，识别准确率应满足工厂指标。7.2设备运行动态检测工业生产中各种设备运行情况需要实时监测，一方面避免设备停机造成的生产损失，另方面在一些高危行业中，一些设备的故障可能会引起人员伤亡。通过图像监测的方式，可以不接触设备来分析其运6YD/Txxxx-xxxx行状况，在一些未带安全监测预报警的设备运行中，能及时发现问题，并在故障前发出报警，从而预防生产停工、设备破坏和人员伤亡，为企业减少损失。在一些工业生产中，设备故障的发生是渐进的，可以从设备外观体现出来。比如输送系统中皮带撕裂，发生的过程较长，且可能有各种迹象，比如划伤、裂痕、异物、钢丝绳芯突出、严重跑偏等等，类似这些设备渐进发生故障的场景可以通过图像分析的方式来检测识别，及时发现隐患即使皮带已经开始斯裂也能够通过图像分析及时发现，从而停止运行，避免发生安全事故。7.2.2业务需求设备运行动态检测的业务需求包括：a)能够准确判断故障发生的真实性，不受光线、污痕等干扰因素的影响，准确率应在90%以上：b)智能分析服务需要秒级检测故障发生并反馈。7.3.1场景描述工序控制是生产过程中管理的重要任务之一，工序控制可以确保生产过程处于稳定状态，预防次品的发生。在生产流水线，对于机器臂的标准动作进行监控，通过图像对比分析，一旦动作发生偏移则通知相关责任人，进而能提升产品质量，避免设备故障，减低事故发生隐患。7.3.2业务需求工序控制检测的业务需求包括：a)通过专用的摄像机和边缘计算模块完成对特定工位的操作工人的操作工序的正确性做出判断，对流水线生产设备进行实时监控，与标准动作进行比较分析，自动识别出工序的顺序是否正确。是否有漏掉的工序等，检测到不符合标准动作要求需秒级反馈：b)不受室内外光线等干扰因素的影响，能够准确判断设备故障发生的真实性，准确率应在90%以7.4工厂参与人违禁行为分析在一些智能化的工厂中，基于严格的生产要求和保密性需求，通常会禁止员工在厂区内抽烟、打电话和拍照等。为了防止此类行为的出现，传统的方式是由安保人员定时迎逻或者观看监控视频，对违禁行文做出处罚。这种方式不足之处在于效率低、无法做到24小时无间断的监控，因此仍然会导致此类禁止行为的发生。7.4.2业务需求通过监控摄像机和边缘计算模块即可完成厂区内的所有参与人的行为分析，自动识别抽烟、打电话和拍照等违禁行为，同时可以实现24小时无间断的厂区监控，准确率应在90%以上。7.5安全生产型工业视觉应用共用需求安全生产型工业视觉应用共用需求包括：a)安全生产型工业视觉应用主要对可能发生的危险情况进行识别提醒，很少涉及机器的精密控制及移动的场景，对时延要求并不高，一般要求秒级响应。业务计算可以根据厂区内网络条件、YD/Txxxx-xxxx计算节点部署位置及计算资源利用率等因素，放在离产线最近的边侧或工厂机房等位置更高些的边缘侧：b)各场景中对于视频分析的准确度、误报率、漏报率等指标，宜按各企业安全防控的需求来满足，按需投入资源来提升算法的精度。一些复杂场景需要AI分析，边缘侧计算要求较高，且需要云端训练，可以考虑使用公有云进行训练，降低识别成本。8交通领域机器视觉应用场景和业务需求8.1交通参与者识别和定位交通参与者识别是识别交通环境中处于动态的车辆、人群或即将进入动态的车辆、人群，也包含围绕交通参与者的身份特征识别，如车牌识别等。典型场景包括：a)车辆、行人的识别和定位通过车载或路侧摄像头采集道路信息，运用机器视觉算法软件进行对机动车、非机动车、行人进行检测，是其他应用的基础b)车辆身份特征识别车牌识别、车辆的颜色、类型、品牌等细节识别，通过车载或路侧摄像头采集道路信息，运用相应算法进行处理以获取信息，作为基础能力应用于车辆管理、车辆追踪等场景：c)车辆比对通过海量数据搜素，检索与目标车辆中相似车辆，用于无牌车、污牌车和套牌车的查找等。8.1.2业务需求交通参与者识别和定位的业务需求包括：a)需要在云端使用大量图像进行AI训练，生成目标识别推理模型，该类模型可在云端或边缘侧运行。用于训练的数据其采集地点、采集光照、天气等条件需要保证多样化，从而确保数据集样本的丰富性，避免数据样本特征的重复率过高：b)边端协作若设备采集端具各计算能力，可在设备采集端进行一定的数据预处理和检测，如在端侧过滤无动态目标的图像、视频数据，减少上传数据量，并输出结果到边缘计算单元进行复杂运算：c)无效视频过滤可利用基于传统机器视觉的快速检测动态目标算法，对未发现动态目标的视频。采取放弃存储策略，减少存储成本。8.2静态道路环境识别8.2.1场景描述静态道路环境中的目标是交通环境感知的基础，基于静态道路环境的识别，辅助驾驶、自动驾驶车辆可进一步做出自身定位、路径选择、驾驶操控、驾驶决策的判断。静态道路环境识别包括检测路面标线的位置并识别其类型(如车道标线、道路标线、信息和人行横道),路面标志识别和交通标志识别、可行驶区域识别和交通信号灯识别，具体如下：a)车道线检测是智能汽车对环境理解的重要组成部分，是路径规划与决策、实现车辆智能检测出可行车道，以及车道偏离预警的基础，包括白实现、白虚线、黄实线等各类车道标线的检测YD/Txxxx-xxxxb)路面标志识别和交通标志：包括直行箭头、左转箭头、右转箭头、减速标志等：c)可行驶区域检测主要是为自动驾驶提供路径规划辅助，可以实现整个的路面检测，也可以只提取部分道路信息：d)交通信号灯识别包括交通信号等的定位和状态的判定，其识别精度直接关乎智能驾驶的安全。在实际的道路场景中采集的交通信号灯图像具有复杂的背景，且感兴趣的信号灯区城只占很少的一部分，快速、准确地检测与识别交通信号灯具有一定难度，有效滤除图像中的干扰区域是交通信号灯检测与识别的关键：e)障碍物识别通过车载或路侧摄像头采集道路信息，运用机器视觉算法发现障碍物，是其他车辆碰撞、危险预警等应用的基础。由于障碍物的不确定性，判断障碍物需要对环境进行综合分析得出结论。8.2.2业务需求静态道路识别的业务需求包括：a)本文件7.2.1描述的场景一般用于车辆的辅助驾驶、自动驾驶，要确保检测结果的精准性和实时性，需要低时延的网络和高性能的边缘计算服务器，用于目标的快速识别同时，由于是对静态信息的检测，可利用先验信息(如地图信息),减少运算量；b)使用高分辨率摄像机，确保采集的图像清晰。8.3.1场景描述驾驶行为分析包括对车辆的行为分析和对驾驶人员的行为分析，具体场景如下：a)违章识别：识别公交专用道非法占道抓拍、逆行、非机动车占用机动车道行驶、越线停车等违反交通法律法规的行为，对交通技术监控设备抓拍的违章数据进行自动分析处理，通过机器视觉完成对海量违章数据的快速审核，减少人工逐个复核的工作量，提升违章识别效率：b)疲劳驾驶检测：针对驾驶员面部进行图像处理与分析，利用人眨眼的频率与疲劳/驾驶专注度的关系，来判断其工作状态，提醒驾驶员停止驾驶，减少交通事故的发生。8.3.2业务需求驾驶行为分析对业务需求包括a)由于违章行为的复杂性，对其判断存在一定的挑战，需要结合时序对驾驶行为进行连续多帧的综合分析，并要对场景进行一定的理解b)疲劳驾驶检测因涉及到个人隐私问题，若使用边缘计算云端处理的方式，要考虑数据的安全性和私密性问题。8.4辅助驾驶8.4.1场景描述驾驶辅助系统是利用安装于车上的各类传感器，收集车内外的环境数据，进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险，以引起注意和提高安全性的主动安全技术。机器视觉检测是其中最重要的检测手段，典型检测场景：a)车道偏离告警基于车道线检测和自车定位，分析在车辆在车道中的位置，通过报警的方式辅助驾驶员减少汽车因车道偏离而发生交通事故的系统，在驾驶员无意思偏离原车道时，发出警9YD/Txxxx-xxxxb)自动变道辅助按照驾驶员的变道指令，辅助驾驶员进行车道变换，适用于通畅的高速公路等具有清晰车道线的干燥道路工况：c)前车防撞预警系统基于视觉测量与前车的车距，根据当前车速等综合判定碰撞的可能，给出警告，以免车祸发生。8.4.2业务需求辅助驾驶的业务需求包括：a)需要在云端使用大量图像进行AI训练，生成目标识别推理模型，该类模型可在云端或边缘侧运行。用于训练的数据其采集地点、采集光照、天气等条件需要保证多样化，从而确保数据集样本的丰富性，避免数据样本特征的重复率过高：b)需要云边协同实现图像数据模型高效快速迭代闭环。不断提升检测模型的准确率8.5交通管控8.5.1场景描述交通管控的典型场景如下：a)交通事故及事件检测借助深度学习技术，实现准确的交通事件检测系统，帮助交通运营部门提供准确及时的报警信息；b)交通流量检测、拥堵状况监测在基于视觉的车辆检测的基础上，实现交通流量检测，及时发现拥堵状况，快速及时的部署道路资源调度：c)路口交通管控通过基于深度学习的车辆精确感知检测，可以精准的感知交通路口各个方向的车辆数量、流量和密度，从而可以给交通路口的最优配时提供准确依据。交通管控的业务需求包括：a)图像采集设备要求：应具有较高分辨率，确保可清晰观测路面状况：需要较高的FOV(聚焦视觉FocusOnVision),监控更大的范围：需要耐极端气象条件：需要高可靠性以及平均无故障时间，保证业务持续运转b)需要云边协同实现图像数据模型高效快速迭代闭环，不断提升检测模型的准确率。8.6交通领域机器视觉应用共性需求交通领域机器视觉应用共性需求：a)边缘计算单元部器对于路侧监控应用，用于视觉处理的边缘计算单元可部署于路侧与相机通过有线/无线连接。按照实际道路环境和对视觉处理时延要求来确定位置及部署方式：对于车载图像采集装置。通过通信模块采用无线的方式与路侧迅信单元进行连接，路侧通信单元再将数据传输到边缘计算单元：b)时延要求对于智能驾驶应用，对图像处理及传输反镜的时延都有一定的要求，需根据各个业务应用特点及业务流程整体时序要求，来确定机器视觉业务时延：c)管理要求；相机、摄像头及边缘计算模块应支持远程管理，终端算法应能售远程部署和升级。建议支持与云端协同；d)设备要求相机、边缘计算模块、通信模块等设备需要能够在可能的低温、高温、雨雪、噪音等复杂的交通环境中稳定运行。YD/Txxxx-xxxx9安防领域损失预防机器视觉应用场景和业务需求9.1.1场景描述出入口控制的业务流程如下a)视频图像采集设备实时采集待认证目标(人、车、证件等)图像，根据需要上传视频图像数据b)采集数据通过有线、无线网络实时传送至边缘服务器(视频边缘智能设备):c)边缘服务器(视频边缘智能设备)通过视频智能分析模块，将待认证目标与观察名单列表中目标进行比对或其它合法性检测(如人证一致性),以确认目标是否为合法身份：d)如待认证目标具有合法权限则允许出入，否则将禁止出入或其它异常处理操作，例如触发警报、封锁通道等。9.1.2业务需求出入口控制的业务需求包括a)应具备联网能力和与第三方系统交互数据接口；b)应具备视频图像数据采集和存储功能；c)应具备人脸识别、虹膜识别、车牌识别、条码识别等模式识别功能的一种或多种：d)应具备观察名单目标数据导入和存储功能；e)应支持关键配置参数的设置，如摄像机图像质量、报警阅值等；f)应支持一定程度的安全和访问控制能力以确保不出现非授权访问的需求9.2身份识别9.2.1场景描述身份识别的业务流程如下：a)视频图像采集设备实时采集待认证目标(人、车、证件等)图像，根据需要上传视频图像数据b)采集数据通过有线、无线网络实时传送至边缘服务器：c)前端智能摄像机或者视频边缘智能设备通过视频智能分析模块，实现人脸比对、人脸检索、人脸聚类、人证合一检测、车牌识别等功能的一种或几种，以确认目标身份信息：d)根据识别结果作出分析判断，并及时上报结果到智能安防视觉云系统。9.2.2业务需求身份识别的业务要求包括：a)应具备联网能力和与第三方系统交互数据接口：b)应具备视频图像数据采集功能：c)应具备人脸识别、虹膜识别、车牌识别、条码识别等模式识别功能的一种或多种：d)应具备观察名单目标数据导入和存储功能：e)应支持关键配置参数的设置，如摄像机图像质量、报警阅值等；f)应支持一定程度的安全和访问控制能力以确保不出现非授权访问的需求g)要求视频清晰度高，应具有高画质录像功能，以便以后保留作为证据。YD/Txxxx-xxxx物资识别的业务流程如下：a)视频图像采集设备实时采集受监控区域(居家环境、公共区域等)的高清视频图像信息，并根据需要上传视频图像数据；b)采集数据通过有线、无线网络传送至边缘服务器；c)视频边缘智能设备通过视频智能分析模块，实现对图像中关键的资产物品(特殊物资、车辆等)形态的识别；d)视频边缘智能设备控制预警装置通过预设规则，快速和准确的发出告警或触发其它动作；e)智能安防视觉云系统实时接收边缘端上报的告警或其它动作后，可自动或人工进行告警事件处理，根据实际情况决定是否通知相关人员(家庭其他成员、管理人员等)。9.3.2业务需求物资识别的业务需求包括：a)应具备联网能力和与第三方系统交互数据接口；b)应具备视频图像数据采集功能和存储功能，可以配置开放的数据接口；c)应具备视频智能分析能力，可准确识别非法进入或试图非法进入设防区域的事件进行检测，并实时上报报警信息：d)支持关键参数设置，可在一个图像范围内划定多块越界识别区域，该区域支持实时划定、撤销、修改；e)应支持一定程度的安全和访问控制能力以确保不出现非授权访间的需求。9.4异常行态监控智能视频监控的业务流程如下；a)前端视频图像采集设备实时采集受监控区域(居家环境、公共区域等)的视频图像信息，作出反应并初步进行判定，根据需要上传视频图像数据；b)采集数据通过有线、无线网络传送至边缘服务器；c)视频边缘智能设备通过视频智能分析模块，对图像中关键人、物运动及轨迹(异常行为、设备故障等)的识别；d)视频边缘智能设备控制预警装置通过预设规则，快速和准确的发出告警或触发其它动作e)智能安防视觉云系统实时接收边缘端上报的告警或其它动作后，可自动或人工进行告警事件处理，根据实际情况决定是否通知相关人员(家庭其他成员、管理人员等)。9.4.2业务需求智能视频监控的业务需求包括：a)应具备联网能力和与第三方系统交互数据接口；b)应具备视频图像数据采集和存储功能；c)应具备视频智能分析能力，实现对人、物(人脸、车辆、车牌等)的识别、对人、物运动轨迹(异常行为、设备故障等)的识别、对视频环境影响的判断和补偿(恶劣环境影响、图像质量检测)等功能的一种或多种；d)应支持关键配置参数的设置，如摄像机图像质量、报警阈值等；e)应支持一定程度的安全和访问控制能力以确保不出现非授权访问的需求YD/Txxxx-xxxx9.5损失性预防领域机器视觉应用共性需求损失性预防领域机器视觉应用共性需求包括a)视频监控的网络需求：安防图像数据传输、图像识别对图像处理及传输一般要求上行速率超过20Mbps;用于视觉处理的边缘计算单元可部署于园区，与安防前置设备通过有线/无线连接。按照实际环境和对视觉处理时延要求来确定位置及部署方式；b)时延要求高清视频图像数据传输、图像识别对图像处理及传输反馈的时延有一定的要求(一般时延小于200毫秒),应根据各个业务应用特点及业务流程整体时序要求，来确定机器视觉业务时延；c)管理要求安防设备、摄像头及边缘计算模块应支持远程管理、协同处理安防事件，终端算法应远程部署和升级，建议边缘云支持与云端协同；d)设备要求：安防设备(视频图像采集设备等)、边缘计算模块、通信模块等设备应在可能的低温、高温、雨雪等复杂的环境中稳定运行10安防领域破坏性预防机器视觉应用场景和业务需求10.1入侵报警识别入侵报警识别的业务流程如下a)前端视频图像采集设备实时采集设防区域(家庭、办公区或其他公共场所)的视频图像信息，根据需要上传视频图像数据b)采集数据通过有线、无线网络实时传送至边缘服务器：c)前端智能摄像机或者视频边缘智能设备通过视频智能分析技术，依据相关数据模型判断，对入侵、徘徊、遣留、移走、越线等非法进入或试图非法进入设防区域的事件进行检测，实时触发行报警信息，根据需要上传视频图像数据上报视频监控系统：d)边缘服务器依据相关数据模型判断，对异常情况进行报警：e)智能安防视觉云系统收到告警上报后，操作员可查看告警视频后，进行告警确认、告警取消等操作。10.1.2业务需求入侵报警识别的业务需求包括：a)应具备联网能力和与第三方系统交互数据接口：b)应具备视频图像数据采集功能：c)应具备视频智能分析能力，能准确识别非法进入或试图非法进入设防区域的事件进行检测，并实时上报报警信息。d)应支持关键参数设置，可在一个图像范围内划定多块越界识别区域，该区域支持实时划定、撤销、修改：e)应支持一定程度的安全和访问控制能力以确保不出现非授权访问的需求10.2犯罪行为报警10.2.1场景描述犯罪行为报警的业务流程如下：YD/Txxxx-xxxxa)根据所在地的安全防范要求，使用高清监控摄像头、无人机、机器人等多种感知设备，对潜在盗窃区城(车站、园区、公共场所等)进行拍摄和记录：b)采集数据通过有线、无线网络实时传送至边缘服务器：c)边缘服务器使用机器视觉和行为识别的技术实现智能识别预警犯罪预防，自动判断其所采集的数据是否属于盗窃行为，如异常将上报其异常的数据至产品服务方，并且及时上报：d)即当有盗窃者发生盗窃行为时边缘服务器智能分析模块对异常进行识别和判断，当确认为盗窃行为或者多次盗窃者将上报其异常的数据至智能安防视觉云系统，并可以进行直接报警e)接入公安系统面向公安人员根据报警信息，采集相应的应急处理措施。10.2.2业务需求犯罪行为报警的业务雷求包括：a)应具备联网能力和与第三方系统交互数据接口：b)应具备视频图像数据采集和存储功能：c)要求能够准确识别盗窃或者非法占有的行为，能够识别盗窃的具体物品是否为贵重物品；d)要求自动识别是否够报警标准，连接网络自动报警；e)要求能够准确识别人员面部特征，准确判断是否是黑名单人员；f)要求能够通过技术分析出该行为是否为犯罪行为，以及对该行为的后果进行预估；g)要求视频清晰度高，可具有高画质录像功能，以便以后保留作为证据；h)要求高清视频设备可和其他的感知设备(如无人机等)协同处理，要求边缘云可以协同控制10.3危险违禁物检测10.3.1场景描述危险违禁物检测的业务流程如下：a)前端检测设备通过X射线安检设备实时采集行李内物品X光图像信息：b)连续采集现场实时数据并传输至边缘服务设备：c)边缘服务设备的图像识别模块基于计算机识别技术，将X光图像信息进行从线条到材质的多层次拆解，对常规行李包、液体、爆炸物等进行自动识别与报警：d)智能安防视觉云系统获取采集数据，根据、制造方、服务方等各方资源合理调配：e)接入公安系统面向公安安检人员根据报警信息，采集相应的应急处理措施。10.3.2业务需求危险违禁物检测的业务需求包括：a)应具备视频图像数据采集功能：b)应具备图像识别功能，可以准备识别行李中的危险违禁物品：c)可支持关键配置参数的设置，如摄图像质量、报警阈值等d)可支持危险违禁物品特征库升级、扩充功能。10.4破坏性预防领域机器视觉应用共性需求破坏性预防领域机器视觉应用共性需求包括a)视频监控的网络雷求，安防图像数据传输、图像识别对图像处理及传输一般要求上行速率超过20Mbps;用于视觉